Perturb-seq 技术助力解析信号调节因子靶点及构建扰动特征图谱

为解决从观测数据预测因果调控关系的难题，研究人员开展 Perturb-seq 研究，识别信号调节因子靶点，构建计算框架，助力理解调控机制。

　　功能基因组学的最新进展使测量多种分子模式的能力达到前所未有的高度，但从观测数据预测因果调控关系仍然颇具挑战。在此，研究人员利用混合遗传筛选和单细胞测序（Perturb-seq）技术，系统地识别了不同生物学背景下信号调节因子的靶点。研究展示了 Perturb-seq 如何与组合索引和下一代测序（Next-generation sequencing）的最新商业进展兼容，并在六种细胞系和五种生物信号传导背景下进行了 1500 多次扰动实验 。研究人员引入了一种改进的计算框架（Mixscale）来解决扰动效率中的细胞差异问题，同时采用优化的统计方法来获取差异表达基因列表和保守分子特征。最后，研究证明了如何利用 Perturb-seq 获得的基因列表精确推断体内和原位样本中信号通路激活的变化。该研究增进了人们对信号调节因子及其靶点的理解，并为数据驱动的扰动特征 “图谱” 推断奠定了计算框架。